基于地面激光扫描技术的危险燃料处理后手堆薪柴堆质量估算研究

《Frontiers in Forests and Global Change》：Using terrestrial laser scanning to estimate mass of hand-built slash piles following hazardous fuels treatments

本研究创新性地应用地面激光扫描（TLS）技术，系统评估其在手堆薪柴堆质量估算中的精度与效率。通过对比传统几何测量法（Wright et al., 2009）与破坏性称重法，发现TLS虽对单堆质量预测存在波动（中位百分比误差约15%），但在多堆整体估算中显著降低系统性偏差（中位误差低于20%），且操作者间差异仅约10%。研究证实TLS能够克服传统方法对堆体形状假设的依赖，为大规模燃料处理工程的排放评估和疗效监测提供了高效、低偏差的技术方案。

　　

引言

美国西部地区近几十年来野火活动加剧，导致空气质量恶化。气候变化导致的干热条件以及长达一个世纪的灭火政策带来的燃料结构变化，共同加剧了野火的严重性和过火面积。此外，由于季节性降水模式的时间偏移和干旱频率增加，野火季节的长度也在延长。为降低野火风险，多种策略被采用，包括手工疏伐、机械处理、受控野火、计划烧除或组合方法。其中，计划烧除被认为是有效降低野火风险的关键组成部分。

计划烧除主要有两种类型：全面烧除（broadcast burning）和堆烧（pile burning）。堆烧是森林抚育和野火高风险区生物量清除的产物，移除的燃料被堆成堆，可分为手堆（hand piles）和机堆（machine piles）。手堆通常较小，而机堆更大。堆烧是一种有效的野火风险缓解方式，通常在11月至3月间进行，此时条件有利于减少烟雾影响和降低逃火风险。

准确估算野外生物量及其在计划烧除过程中的消耗量，对于规划烧除作业、预测排放和安排人员至关重要。传统的表面燃料估算方法依赖距离测量、线截距或样方法，这些方法耗时且需要专业训练。估算堆积残留燃料质量的常用方法是两步过程：首先基于长、宽、高测量值和几何方程估算堆体体积，然后乘以堆积密度（bulk density）值得到质量。这种方法存在不确定性，主要源于堆体体积估算不准确或堆积密度应用不当。激光探测与测距（LiDAR）等遥感技术可以减少体积估算的不确定性，但有时仍需结合地面测量。尽管之前的研究表明地面激光扫描（TLS）在测量复杂形状堆体时更准确，但因其成本和效率问题，曾被认为不如其他方法（如激光测距仪）。

然而，新一代TLS设备更便宜、易操作、便携，使其成为估算堆体质量的有前景的技术。TLS利用激光脉冲收集地形数据和植被结构信息，可用于燃料表征。它能够减少测量误差、提高效率、降低培训需求并消除观察者偏差。TLS已成功用于全面烧除的燃料表征，并在估算纽约州薪柴墙（slash walls）横截面积方面显示出潜力。

随着美国林务局（USDA Forest Service）启动野火危机战略（WCS），旨在增加燃料处理的速度和范围，科罗拉多前线岭被选为优先区域之一，这将导致该地区危险燃料处理增加，产生更多待焚烧的薪柴堆。目前科罗拉多有数万个薪柴堆，了解其总质量对于土地管理者估算处理效果和排放至关重要。然而，现有估算技术在大范围应用时耗时费力。堆烧会向大气释放有害物质，尽管选择在扩散条件最佳时进行，但附近居民仍可能暴露于排放物中。因此，需要一种更准确、成本效益更高的方法来量化堆体质量。

本研究旨在探索TLS在计划烧除点估算堆体质量的应用和局限性。具体解决三个问题：空腔体积对体积预测精度的影响；TLS预测堆体质量的准确性；TLS预测质量与先前方法的比较。

材料与方法

本研究在科罗拉多州里昂的Hall Ranch开放空间（HROS）对手堆薪柴堆使用TLS，估算了15个堆体的质量，并与先前方法（Wright et al., 2009）及破坏性采样质量进行比较。此外，实验室使用相同木块构建合成堆，以评估TLS预测不同形状已知体积堆体的能力，并评估拼接顺序和TLS扫描固有变异性。

合成堆构建了六个使用相同木块（45.4 × 8.9 × 3.8 cm）的堆体，形状各异，旨在了解TLS如何处理不同燃料排列中的空腔、拼接顺序对质量估算的影响以及不同操作者完成拼接的变异性。堆体形状包括矩形、金字塔形、随机形状、木屋式结构以及模拟真实野外形状的堆体。

野外研究在HROS进行，该地以美国黄松（Pinus ponderosa var. scopulorum）为主。选取了15个不同形状和大小的手堆（排除机堆），每个堆使用Leica BLK360 TLS扫描四次（每侧一次），然后拆解并用行李秤称重。同时使用Wright等人（2009）的方法计算几何体积和质量。该扫描仪激光波长830 nm，最大范围60 m，分辨率在10米处为10 mm，扫描时间小于4分钟。

TLS扫描处理使用Cyclone REGISTER 360 Plus将.blk文件转换为.ptx文件，然后在CloudCompare中拼接成单个点云并分割出堆体。使用Poisson Recon插件估算体积，通过计算点云法线、生成实体网格并根据点密度（标量场）移除低密度区域（如空腔）来确保只计算实际堆体体积。体积估算值乘以来自华盛顿和俄勒冈州针叶林手堆的堆积密度值76.79 kg/m³（Wright et al., 2009）得到质量。

对于合成堆，每堆扫描两次（每次四侧），并探索所有可能的拼接顺序（共15种组合），以评估拼接顺序和试验次数对体积估算的影响。对于野外堆，每堆也扫描四侧，并采用15种不同的拼接顺序（基于扫描侧面的数量和组合）进行质量估算，以研究扫描数量和方位选择对质量估算的影响。

统计分析使用均方根误差（RMSE）、平均偏差误差（MBE）、相关系数、平均绝对百分比误差（MAPE）、百分比误差、相对误差和相对差异等指标，在MATLAB中比较TLS预测体积/质量与实际值之间的准确性。

结果

合成堆体积估算显示，空腔最少的堆体（Pile 1-3）体积预测最准确（RMSE、MBE、MAPE最低）。有空腔的堆体（Pile 4-6）体积被低估，且空腔越大误差越大。不同拼接顺序和试验次数导致估算值存在变异性，但未发现系统性偏差。除Pile 5外，不同操作者间的体积估算差异很小（中位相对误差<0.01）。操作者间和试验重复引起的随机相对误差均约为10%。相邻扫描先拼接的顺序（Order 1, 2）比相对扫描先拼接的顺序（Order 3, 4）的中位相对误差更低。

野外堆质量估算表明，无论是TLS还是Wright方法，对单个堆体的质量预测均不准确，无一致模式，且与扫描面数量无稳定关联。TLS预测质量与实际质量之间相关性很低（使用四面扫描时R²=0.36，其他均更低）。RMSE和MBE较高（51-159 kg），有时超过实际质量的一半。然而，当考察所有堆体时，TLS估算的中位百分比误差（使用三面扫描时最低，约15%）远低于Wright方法（中位百分比误差约63.58%），且TLS估算未表现出系统性偏差（误差围绕零分布），而Wright方法持续低估质量。拼接顺序对野外堆误差有影响：使用三面扫描时，顺序拼接（如123）误差更小；使用两面扫描时，相对面拼接（如13）误差更小。

讨论

TLS在估算堆体质量时减少了与传统方法（如Wright et al., 2009）相关的偏差。虽然对单个堆体的质量预测不准确，但在多个堆体的整体估算中，其中位百分比误差低于传统方法。对于需要估算大量堆体总质量的土地管理者而言，TLS更具优势，因为他们很少需要精确估算单个堆体的质量。

合成堆实验表明，操作者差异和扫描重复性引起的随机误差均约为10%。拼接顺序对结果有影响，但基于合成堆和野外堆的结果不一致，未能给出明确的拼接顺序建议。

使用TLS估算三面堆体扫描质量在总体本上最为准确。然而，其他扫描面数量的方法中位百分比误差也低于20%。因此，如果时间有限，扫描一面或两面不会导致误差显著增加。尽管使用四面扫描在预测单个质量时相关性最高，但考虑到效率，三面扫描可能是平衡准确性和效率的较好选择。

将TLS用于堆体估算仍存在操作化限制，主要是扫描数据处理的时间成本。未来工作可着眼于提高TLS扫描处理效率，例如批量扫描和处理。本研究样本量较小（15个堆），且仅在一个生态系统进行，未来需要在更多样地和更大样本量上验证结果。

未来研究需要开发能够实际预测堆体质量的方法。结合快速（<5分钟）野外测量与TLS扫描可能有助于预测堆体总质量。此外，开发直接计算堆体堆积密度的方法可以避免目前的两步估算过程。从点云中提取的指标（如高度分布、垂直密度剖面、点云返回计数等）在预测燃料类型和负载方面已有应用，评估这些指标对预测堆体总质量的潜力将是未来的研究方向。

综上所述，TLS为估算危险燃料处理后薪柴堆质量提供了一种有前景的替代方法，尤其适用于需要评估大量堆体总质量和排放的土地管理场景。尽管存在挑战，但其降低偏差和减少对专业训练依赖的潜力值得进一步探索和优化。